Disciplinas
Disciplinas da Área de Concentração
BIO 742 – Modelos Biométricos Aplicados ao Melhoramento Genético 4(4-0).
(Pré-requisito FIT 770 ou ZOO 660).
Princípios básicos de estatística. Interação genótipo X ambiente. Análise de estabilidade e adaptabilidade. Estimação de ganhos por seleção. Seleção simultânea de caracteres. Correlações fenotípicas, genotípicas e de ambiente. Análise de trilha. Análise dialélica. Estimação de coeficientes de repetibilidade. Análise de cruzamento entre linhagens e testadores. Análise de gerações ou teste de escala conjunta. Zoneamento genético. Divergência genética. Recursos computacionais para o processamento e análise de dados experimentais.
BIO 746 – Modelos Biométricos Aplicados ao Melhoramento Genético II 4(4-0). (Pré-requisito BIO 742 ou ZOO 660).
Estimação de parâmetros genéticos. Análise agrupada e correção de dados. Estimação de ganhos por seleção. Estudo da capacidade combinatória. Correlações entre caracteres. Análise de estabilidade e adaptabilidade. Seleção simultânea de caracteres. Análise de fatores no melhoramento genético. Análise discriminante no melhoramento genético. Análise de linhas segregantes com progenitores intercalares. Análise da diversidade genética. Progresso genético e ambiental.
EST 610 – Probabilidade I 4(2-2).
Revisão sobre processos de contagem. Introdução à teoria da Probabilidade. Modelos de probabilidade para variáveis aleatórias. Distribuições mistas e modelos hierarquizados. Função Geradora de Momentos. Funções de variáveis aleatórias. O método Delta. Teorema central do limite.
EST 611 – Inferência Estatística I 4(2-2).
Fundamentos da inferência estatística. Distribuições amostrais. Estimação pontual. Propriedades desejáveis dos estimadores pontuais. Estimação por Intervalo.
EST 613 – Estatística Bayesiana 4(2-2).
Metodologia Bayesiana versus Metodologia Clássica. Teorema de Bayes como princípio de atualização da informação. Modelo paramétrico. Eliciação de distribuições a priori. Estimação de parâmetros. Análise de alguns modelos discretos. Análise de alguns modelos contínuos. Técnicas analíticas e computacionais de implementação do paradigma Bayesiano. Métodos de simulação para amostrar a distribuição a posteriori.
EST 622 – Estatística Experimental I 4(2-2).
Planejamento de experimentos. Experimento com uma amostra. Experimento com duas amostras. Análise de variância. Análise de regressão. Experimento fatorial. Experimento em parcela subdividida. Superfície de resposta. Fatorial triplo. Experimento de mistura. Fatorial com dois níveis por fator.
EST 627 – Amostragem e Testes Não-Paramétricos 4(2-2).
Conceitos básicos em amostragem. Amostragem casual simples. Amostragem pelas proporções e porcentagens. Amostragem casual estratificada. Dimensionamento amostral. Testes não paramétricos.
EST 629 – Estatística Computacional 4(2-2).
Uma visão estatística por meio do Software Livre R. Uso de Latex para a escrita estatística. Uso de Rmarkdown para a publicação estatística. Uso de Machine Learning em análises estatísticas.
EST 630 – Métodos Estatísticos I 4(2-2).
Esperança matemática. Variância e Covariância. Testes de hipóteses. Estimação de parâmetros. Análise de regressão. Teste de identidade de modelos de regressão. Análise de correlação.
EST 631 – Métodos Estatísticos II 4(2-2).
Delineamentos experimentais com ênfase em componentes de variância. Transformação de dados. Experimentos em parcelas subdivididas. Experimentos fatoriais. Superfícies de resposta.
EST 635 – Estatística Espacial Aplicada 4(2-2).
Conceitos em Probabilidade e Inferência. Descrição espacial. Autocorrelação espacial. Testes para autocorrelação espacial. Semivariogramas e Crossvariogramas. Predição linear e Kriging. Validação cruzada. Anisotropia. Krigagem em bloco e Cokrigagem. Regressão com erros autocorrelacionados espacialmente. Análises de delineamentos experimentais considerando correlação espacial. Amostragem espacial.
EST 636 – Simulação Multivariada e Aprendizado Estatístico 4(2-2).
Introdução e motivação. Simulação multivariada. Métodos lineares para regressão. Métodos lineares para classificação. Seleção e avaliação de modelos. Outros métodos de aprendizado supervisionado. Alguns métodos de aprendizado não supervisionado.
EST 637 – Séries Temporais 4(2-2).
Séries temporais. Abordagem Clássica. Abordagem Moderna. Análise Residual. Modelos Heterocedásticos.
EST 638 – Análise de Sobrevivência 4(2-2).
Conceitos básicos. Funções de interesse. Métodos não paramétricos para a análise de dados de sobrevivência. Métodos paramétricos para a análise de dados de sobrevivência. Modelos de regressão em análise de sobrevivência. Modelos de Riscos Proporcionais. Modelo aditivo de Aalen. Censura intervalar e dados grupados. Análise de sobrevivência multivariada.
EST 640 – Modelos Lineares I 4(2-2).
Inversas generalizadas de matrizes reais. Sistemas de equações lineares. Formas quadráticas e distribuições. Modelos de regressão ou modelos de posto completo. Correlação. Modelos de delineamentos experimentais.
EST 641 – Modelos Lineares II 4(2-2).
Modelos para blocos incompletos. Delineamentos em reticulados quadrados (“Square Lattices”). Modelos com classificação hierárquica. Modelos com dois critérios de classificação cruzada com números iguais e desiguais nas sub-classes. Análise de covariância. Componentes de variância. Modelos mistos.
EST 643 – Modelos Lineares Generalizados 4(2-2).
Fundamentos dos Modelos Lineares Generalizados. Inferência nos Modelos Lineares Generalizados. Técnicas de verificação do modelo. Modelos Discretos. Modelos Contínuos.
EST 710 – Probabilidade II 4(2-2).
Convergências matemáticas. Estatísticas de ordem. Convergência de variáveis aleatórias. Relações entre as convergências de variáveis aleatórias. Propriedades assintóticas dos estimadores. Distribuições assintóticas.
EST 711 – Inferência Estatística II 4(2-2).
Estimação intervalar. Testes de hipóteses. Testes de hipóteses para grandes amostras. Método bootstrap. Análise de variância simples.
EST 714 – Processos Estocásticos 4(2-2).
Fundamentos. Distribuições compostas. Eventos recorrentes. Passeio aleatório. Cadeias de Markov. Processos Markovianos de parâmetros contínuos. Processos de segunda ordem. Processo homogêneo de nascimento e morte.
EST 722 – Estatística Experimental II 4(2-2).
Delineamentos experimentais. Testes não paramétricos. Análise de covariância. Experimentos fatoriais com dois e três níveis por fator. Experimentos com classificação hierárquica. Experimentos em faixas. Análise conjunta de experimentos. Modelo misto.
EST 732 – Métodos Estatísticos na Seleção Genômica 4(2-2).
Modelos mistos. Inferência Bayesiana. Marcadores Moleculares. Seleção Genômica Ampla. Métodos estatísticos e computacionais para implementação de Seleção Genômica Ampla. Análise de Associação Genômica Ampla.
EST 734 – Geoestatística 4(2-2).
Introdução. Conceitos básicos. Variogramas. Autovalidação. Krigagem. Análise geoestatística bivariada. Outras abordagens geoestatísticas.
EST 744 – Regressão 4(2-2).
Regressão linear simples e múltipla. Especificação de modelos e diagnóstico. Multicolinearidade. Heterocedasticidade. Autocorrelação. Modelos especiais.
EST 746 – Análise Multivariada 4(2-2).
Álgebra Vetorial e Matricial, Formas Quadráticas, Variáveis Aleatórias Multidimensionais, Distribuições Multivariadas, Inferência sobre Vetores de Médias, Teste de Hipóteses sobre Matrizes de Covariâncias, Inferência sobre Vetores de Médias de Duas Populações, Análise de Variância Multivariada, Análise de Agrupamento, Componentes Principais, Análise de Fatores, Análise Discriminante, Correlação Canônica.
EST 790 – Tópicos Especiais I 1( – ). (Consentimento do Coordenador da Disciplina)
Disciplina de oferecimento não regular, ministrada por professores visitantes ou da própria Instituição, concentrada ou não. Conteúdo variável, abrangendo temas importantes para a formação global do estudante, não abordados nas disciplinas regulares oferecidas na UFV.
EST 791 – Tópicos Especiais II 2( – ). (Consentimento do Coordenador da Disciplina)
Disciplina de oferecimento não regular, ministrada por professores visitantes ou da própria Instituição, concentrada ou não. Conteúdo variável, abrangendo temas importantes para a formação global do estudante, não abordados nas disciplinas regulares oferecidas na UFV.
EST 792 – Tópicos Especiais III 3( – ). (Consentimento do Coordenador da Disciplina)
Disciplina de oferecimento não regular, ministrada por professores visitantes ou da própria Instituição, concentrada ou não. Conteúdo variável, abrangendo temas importantes para a formação global do estudante, não abordados nas disciplinas regulares oferecidas na UFV.
EST 797 – Seminários 2(2-0 ).
Seminários.
EST 799 – Pesquisa ( – ).
Pesquisa para elaboração da dissertação ou tese exigida para candidatos ao grau de mestre ou doutor.
Disciplinas do Domínio Conexo
BIO 642 – Estatística Genômica 4(4-0).
Biologia em genética genômica. Introdução à genética genômica. Estatística genômica. Métodos de Estimação e Estimadores. Funções de Mapeamento. Modelo com um único loco. Modelo com dois locos – Cruzamentos controlados. Grupos de Ligação. Mapeamento de QTL. Uso de aplicativos computacionais para mapeamento e análise de QTL.
BIO 647 – Genética Quantitativa 4(4-0).
Variação contínua. Valores genotípicos e genéticos. Componentes da variância genotípica. Tópicos em estimação de componentes de variância. Variâncias genotípicas entre e dentro de populações estruturadas em famílias. Delineamentos genéticos e estimação de componentes de variância genotípica. Herdabilidade. Correlação genotípica. Seleção.
EDU 660 – Metodologia do Ensino Superior 3(2-2).
Introdução à sociologia do currículo. O currículo e a formação profissional. Os diferentes paradigmas que orientam a formação do professor. O processo de ensino: articulação entre objetivos, planejamento, métodos e técnicas de ensino e avaliação. Problemas e alternativas para o ensino superior.
ENF 610 – Sensoriamento Remoto 3(2-2).
(Pré-requisito ENF 310, ENF 312, ENF 313 ou Consentimento do Coord. da Disciplina).
Conceito e histórico do sensoriamento remoto. Natureza e fontes de origem da energia medida por sistemas de sensoriamento remoto. Interações entre energia e matéria. Aquisição de dados. Manejo e processamento prévio dos dados. Extração e interpretação de dados. Utilização dos dados em estudos do uso da terra e manejos agrícola e florestal.
ENF 612 – Introdução ao Sistema de Informações Geográficas 3(2-2).
Conceituação e importância. Modelos de dados. Criação de uma base de dados georreferenciada. Operações algébricas. Modelagem espacial. Estudos de caso.
ENF 613 – Tópicos Avançados em Sistemas de Informações Geográficas 3(2-2). (Pré-requisito ENF 612 ou Consentimento do Coordenador da Disciplina).
Conceituação e importância. Aquisição de dados espaciais. Elaboração de mapas. Modelos em rede. Modelagem espacial.
ENG 639 – Processamento de Imagens Digitais 4(3-2).
Caracterização do sistema de processamento de imagens. Aquisição de imagens. Realce de imagens. Segmentação de imagens. Processamento de imagens coloridas. Análise de imagens.
ERU 626 – Econometria I 3(3-0).
Modelos econômicos e econométricos. Modelo de regressão linear clássico. Análise dos pressupostos do modelo clássico. Uso de variáveis binárias (dummy) no modelo de regressão. Modelos com variáveis defasadas. Introdução à análise de séries temporais.
ERU 726 – Econometria II 3(3-0).
Conceitos básicos de distribuição assintótica de probabilidade. Método de estimação de Máxima Verossimilhança (MV). Método de estimação de momentos generalizados (GMM). Sistemas de equações aparentemente não relacionadas (SUR): sistemas de dispêndio e equações de parcelas (translog). Modelos de equações simultâneas. Modelos para dados em painel. Modelos com variável dependente qualitativa. Modelos com variável dependente limitada (Tobit e seleção amostral). Introdução à econometria espacial. Análise de eficiência e produtividade: fronteira estocástica.
EST 776 – Estágio em Ensino I 1(0-1).
Esta disciplina propõe-se a fornecer aos estudantes de pós-graduação experiência de ensino, pelo planejamento, preparação e lecionamento de aulas teóricas e práticas de disciplinas a nível de graduação do Departamento de Estatística, sob a supervisão e acompanhamento do professor da respectiva disciplina de graduação.
EST 777 – Estágio em Ensino II 2(0-2).
Esta disciplina propõe-se a fornecer aos estudantes de pós-graduação experiência de ensino, pelo planejamento, preparação e lecionamento de aulas teóricas e práticas de disciplinas a nível de graduação do Departamento de Estatística, sob a supervisão e acompanhamento do professor da respectiva disciplina de graduação.
EST 778 – Estágio em Ensino III 3(0-3).
Esta disciplina propõe-se a fornecer aos estudantes de pós-graduação experiência de ensino, pelo planejamento, preparação e lecionamento de aulas teóricas e práticas de disciplinas a nível de graduação do Departamento de Estatística, sob a supervisão e acompanhamento do professor da respectiva disciplina de graduação.
INF 620 – Sistemas de Apoio à Decisão 4(4-0).
Sistemas de apoio à gerência. Arquitetura de sistemas de apoio à decisão. Inteligência artificial e apoio à decisão. Redes neurais e apoio à decisão. Construção de sistemas de apoio à decisão.
INF 682 – Otimização I 4(4-0).
Modelagem e otimização sob condições lineares. Modelagem e otimização sob condições não lineares. Modelagem e otimização em redes. Tomada de decisão multicritério.
INF 683 – Otimização II 4(4-0).
Avaliação econômica de projetos. Simulação, estoque e fila em sistemas de produção. Processos estocásticos na produção. Modelos dinâmicos de produção. Dinâmica de sistemas.
LET 610 – Inglês Instrumental I 4(4-0).
Análise de vocabulário. Estudo das estruturas lingüísticas. Características do discurso acadêmico. Aplicação de técnicas de leitura e compreensão de textos técnicos científicos.
ZOO 760 – Modelos Mistos Aplicados ao Melhoramento Genético 4(4-0).
(Pré-requisito EST 640, ZOO 661 ou FIT 770).
Métodos de predição. Modelos de avaliação genética. Estimação de componentes de variância. Uso de programas computacionais na avaliação genética.